pytorch 10 支持ignore_index和class_weight的标签平滑LabelSmoothingCrossEntropyLoss实现
PyTorch 实现 10 支持 标签 Class index 平滑
2023-09-14 09:15:04 时间
通过标签平滑可以考虑类别间的相似度,加大模型的loss,让模型对自己的预测结果不在那么自信。这样子训练出来的模型类间距离会更大(类间变得分散),同时类内距离更小(类内更加聚拢)。造成这一效果的本质原因是,独热码不一定能完全的表述数据的本质特征,忽略了数据间的共性。如分类数据中,老虎、豹子、大象,老虎和豹子在纹理上更相近,而独热码无法体现这一特性,只认为老虎、豹子、大象是完全独立的个体。
独热码下的标签如下
标签平滑后的标签如下,其中K+1等于类别数,a为标签平滑因子
相关文章
- 从零开始学Pytorch(三)之多层感知机的实现
- 更简单的掩码图像建模框架SimMIM介绍和PyTorch代码实现
- PyTorch实现ResNet18
- pytorch-yolo训练自己的数据集
- Pytorch的基本介绍及模型训练流程
- Pytorch模型训练实用教程学习笔记:一、数据加载和transforms方法总结
- 联邦学习算法FedPer的PyTorch实现
- 联邦元学习算法Per-FedAvg的PyTorch实现
- pytorch实现卷积神经网络_pytorch项目
- pytorch实现resnet_如何搭建平台
- PyTorch如何实现多层全连接神经网络
- Conda安装不上pytorch以及电脑有CUDA测试结果却为FALSE
- 使用PyTorch实现简单的AlphaZero的算法(1):背景和介绍
- 使用PyTorch实现简单的AlphaZero的算法(2):理解和实现蒙特卡洛树搜索
- 100行Pytorch代码实现三维重建技术神经辐射场 (NeRF)
- 利用pytorch实现图像识别demo
- 从原理到实战 英伟达教你用PyTorch搭建RNN(上)